AI行业Token成本失控引发紧急管控：从“加速”转向“设护栏”
AI行业关注焦点从token最大化与快速迭代转向成本管控。业内普遍呼吁建立护栏机制，以应对推理和生成过程中不断飙升的token费用。这一趋势正在推动模型部署策略、API定价体系以及企业级AI应用的经济性评估发生根本性转变。
Agent智能体 大事记
重要进展 IMPORTANT_PROGRESS
2026-06-03 — 2026-06-03
重要进展 · 第 17 / 55 页
Agents’ Last Exam 提出真实职业长程任务评测
Agents’ Last Exam 将智能体评测对准具有经济价值、可验证结果的真实职业长程任务，帮助衡量基准成绩与实际工作能力之间的差距。
Agent智能体 精选历史资讯
— · 17 条
精选资讯 · 第 1 / 6 页
PawBench：给通用智能体一把可度量的尺
通义实验室推出全新评测基准PawBench v1.0，面向个人助理与通用智能体场景，将底座模型与运行框架Harness纳入同一体系进行交叉评测。评测矩阵包含9个模型与3个Harness（Hermes、OpenClaw、QwenPaw），覆盖150道真实任务共4050个测试单元。结果显示，QwenPaw（76.4分）、OpenClaw（75.4分）、Hermes（70.4分）之间存在显著分差，Harness环境对表现的影响甚至大于模型本身。PawBench还通过切片分析揭示了Harness在产物校验、Skill主动发现和Web搜索默认可用性等方面的关键差距。项目已开源。
腾讯混元联合人大开源PlanningBench评估框架
腾讯混元（Tencent Hunyuan）与中国人民大学高瓴人工智能学院合作，开源PlanningBench——一个可扩展、可验证的LLM规划能力评估与训练框架。该框架包含30+真实世界规划任务，支持自动验证和训练。PlanningBench旨在推动LLM从“说”到“做”的规划能力发展。资源已发布于arXiv、GitHub及HuggingFace。
分类
排序
暂无内容